掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 57299|回复: 415

[工具] ⚜【支持超大文件】Python MDX词典打包工具 2019-11-19更新

  [复制链接]
  • TA的每日心情
    奋斗
    2025-9-10 20:08
  • 签到天数: 250 天

    [LV.8]以坛为家I

    发表于 2019-10-9 03:46:36 | 显示全部楼层 |阅读模式
    本帖最后由 lgmcw 于 2025-9-21 23:58 编辑 ) J! Y  E- J. X: C6 ~0 p& y* O7 z& k1 U

    4 D# g8 Y) {. w# c* _$ X这帖target的是硬核玩家,希望对有需要的人有所帮助。代码比较乱,拖了好久都懒得整理,正好朋友又找我需要,趁着一鼓作气整理出来就正好也贴在论坛里吧。我这里不跟进你那边的环境调试了,如果有运行错误自己修一下(python3可参考楼下的修改经验);不过还是鼓励回帖反馈。对我以后做新人友好版有帮助。
    4 ?+ p" s4 ~" X1 {4 B# t以后我会做一款带GUI的,针对小白玩家。
    6 {1 o9 ~# d8 |5 ~
    % H, O9 y  W( l# b# u! _. ?6 s入口文件,运行genMDX_ox4.py即可开始打包,附了一个牛津4的txt源码,我已经调试好,确保在我这里能工作,下载后可以直接运行用来测试程序。我的所有字典都是用这个程序打包,暂时没什么大问题。词条数最多我试过的简明英汉400多万词头;体积最大的OED,txt源码就有2.4G;这些打包都毫无压力。不过我这边还在用老古董python2.7;python3应该也能用,如果报错,可能需要自己debug一下。
    ! L, f7 d7 g( K4 |5 AgenMDX_ox4.py is the entrance file you want to use in CMD/terminal. I've also enlcosed a OALD4_azure.txt for testing purpose. 7 K$ w1 I6 ^8 T
    2 _* J5 A+ e; R  _
    : x& z; F) w) ?- m! ]. A
    : S7 T5 c2 E8 U* P3 I
    Windows下运行举例(需安装python):
    5 n; W5 v" [9 S: u3 }6 N. l( [% i4 O8 ^3 `$ \5 T
      Z& V1 N# O. a6 G; m
    相较于原版我主要改了两个地方:
    # U: h  L% J; m0 B8 \$ H2 ^+ U1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value: L' `( Y( }$ X% y' y
    2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。5 c0 `, Y3 }" x* L4 `

    ' C+ x6 _) ^1 s! U; E
    * c5 Z0 k. r! c2 \  W! v% m- h3 ^$ V$ U+ r- V) L
    Python实现的txt转MDX代码:
    ) J5 @& G, x0 z' z
    7 F1 ]* L/ V- y链接:https://pan.baidu.com/s/1wdRZXRvQBfyS3AVDGmiD0g  提取码:avqf 欢迎提建议
    ' t3 s# |" `, F, |) J⚜ 感兴趣可以看看我的其他字典,绝大部分都公开分享。5 n! j1 l  b5 g0 ?' Z! U
    $ d* R/ z3 N2 L2 w) q

    4 @2 k" r4 K7 L9 l. A; d9 U# U; f& d
    , a: M  B; X  ^# A0 H* V8 m. I

    : C! N0 e! x3 n' f+ T6 ]! _( X' o1 f" m" Q

    评分

    5

    查看全部评分

    本帖被以下淘专辑推荐:

    该用户从未签到

    发表于 2021-7-23 14:38:37 | 显示全部楼层
    python3.8.9调试成功!
    5 ~% U4 `) n0 u* y' l
    / B" M) g/ `2 @1 T0 O+ C, {做了如下修改:$ m2 t/ C$ b2 Y. u" \  X  z
    4 ]7 A; u  C/ W
    1.genMDX_ox4.py
    ; b7 i/ O. b# c  d3 |
    1 E  x/ O. u$ I' M$ R(1)注释掉前三行# -*- coding: GBK -*-  # coding: utf-8  # encoding=utf8,解决SyntaxError: encoding problem: GBK+ z& s# r& H- L* Q& F4 G5 T

    4 |# R' X. n& _3 l(2)注释掉import sys  reload(sys)  sys.setdefaultencoding('utf-8'),python3不需要了$ h+ m; J4 U4 `+ }: j$ N

    % a1 L+ F, ?: }2 L. t  p(3)打开、写入的文件加上当前路径(import os;current_path = os.path.dirname(__file__);current_path+"/OALD4_azure.txt",),解决No such file or directory:6 Z0 n, z' g6 F9 ^" z' P

    % ^  r2 j, n  W. _. S0 y! y) r4 `(4)大神提示OALD4_azure.txt、about_OX4.txt使用utf-8格式。我试了下,两个文件转换为gb2312,代码修改为encoding='ANSI',也可以成功。另外,goldendict可以打开这两种编码的mdx,mdictpc版只能打开ANSI编码的mdx文件。
    : Z6 s' Y: Q. b2 a' z2 K& @% X% f6 }1 o+ [# [3 F. L6 z/ d3 q
    2.writemdict.py/ C- x. w* C! A) L- n. p5 ]7 P

    4 B- h, D. i( J0 u( W) \修改 from cgi import escape为 from html import escape,解决cannot import name 'escape' from 'cgi' ,因为python3 cgi.py里面已经没有escape了。换成html,可以用,暂未发现问题。

    评分

    1

    查看全部评分

  • TA的每日心情
    无聊
    2023-12-27 22:43
  • 签到天数: 500 天

    [LV.9]以坛为家II

    发表于 2019-12-6 14:19:04 | 显示全部楼层
    我的是Python3.7的,genMDX_ox4.py文件里面的
    + o0 T; }( [- u8 v1 J) b  timp.reload(sys)改为:
    ! `) x, z' g  N! _6 mimport importlib
    ; C0 s  ?( ]7 o% A( s) ]importlib.reload(sys)
      x& E( u. F1 B0 ~然后删掉:sys.setdefaultencoding("utf-8")- A/ {  f/ j# ^# }4 t, \! q2 m( g2 v- i
    测试通过。! f" H( q; Q% H, T% ?' V, ^3 F

    : H9 v7 z# l4 w" N- }但是生成的词典,用SourceEditor打不开,PC版GoldenDict,安卓版欧路可以打开。汇报完毕。

    评分

    1

    查看全部评分

    该用户从未签到

    发表于 2023-3-9 22:28:50 | 显示全部楼层
    好的,感谢老铁啊

    该用户从未签到

    发表于 2023-3-8 14:04:03 | 显示全部楼层
    感谢大神分享
  • TA的每日心情
    慵懒
    2023-10-11 10:27
  • 签到天数: 198 天

    [LV.7]常住居民III

    发表于 2023-2-14 11:51:09 | 显示全部楼层
    感谢楼主分享

    该用户从未签到

    发表于 2022-12-30 17:34:07 | 显示全部楼层
    谢谢高手无私分享这么好的教程
  • TA的每日心情
    开心
    2021-11-18 11:26
  • 签到天数: 3 天

    [LV.2]偶尔看看I

    发表于 2022-12-28 10:39:48 | 显示全部楼层
    试试看,谢谢大佬
  • TA的每日心情

    2022-5-16 09:51
  • 签到天数: 208 天

    [LV.7]常住居民III

    发表于 2019-12-9 09:53:05 | 显示全部楼层
    反馈个问题,直接跑大佬的源码,在mac上会报如下错误:
    5 d9 t, v; V5 }0 K3 `Traceback (most recent call last):
    , [' t5 B% C+ U6 A5 t; ]. a8 W  File "genMDX_ox4.py", line 14, in <module>3 v1 n3 S5 S7 v4 e1 q* E
        reload(sys)
    4 U4 |2 k) Z$ @  Q$ U! iNameError: name 'reload' is not defined9 X3 _. M* T* r6 _
    3 I% ^6 n) e9 k+ J
    解决:; I* _( o) W. ?
    注释掉文件line14和line15,即可

    点评

    应该是python3和python2.7的区别  发表于 2019-12-9 10:15

    评分

    1

    查看全部评分

  • TA的每日心情
    慵懒
    2023-1-18 13:13
  • 签到天数: 539 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:44:33 | 显示全部楼层
    谢谢L大,等了1年了。
  • TA的每日心情
    无聊
    2023-6-6 10:30
  • 签到天数: 2 天

    [LV.1]初来乍到

    发表于 2023-3-29 17:40:05 | 显示全部楼层
    谢谢大佬 都是好东西来晚了 就看到要关站
  • TA的每日心情
    开心
    2023-2-21 17:06
  • 签到天数: 227 天

    [LV.7]常住居民III

    发表于 2019-10-9 06:37:56 | 显示全部楼层
    先收藏再研究,谢谢分享
  • TA的每日心情
    无聊
    2021-8-13 07:38
  • 签到天数: 195 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:00:20 | 显示全部楼层
    thanks a lot
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-9 07:09:48 | 显示全部楼层
    感謝 lgmcw 兄:* l7 ^; e- I6 d
    分享
    【支持超大文件】Python打包MDX词典工具
    : G9 e; S: {! F/ u# T2 k
    非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來
    ' L- p8 \/ a' n謝謝仁兄分享此重量級工具! f2 y. ?, N. [* k0 j& J% b- R1 C
  • TA的每日心情
    擦汗
    2022-5-20 11:41
  • 签到天数: 222 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:54:53 | 显示全部楼层
    謝謝分享資源
  • TA的每日心情
    开心
    昨天 08:07
  • 签到天数: 3081 天

    [LV.Master]伴坛终老

    发表于 2019-10-9 08:05:03 | 显示全部楼层
    好东西,学习学习,谢谢楼主分享技术
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-10-9 08:19:19 | 显示全部楼层
    謝謝分享此重量級工具,感谢 !

    点评

    如果是古籍文献,有可能需要用UTF-16。要自己摸索一下修改入口文件。  发表于 2019-10-10 01:04
  • TA的每日心情
    开心
    2022-1-21 00:52
  • 签到天数: 699 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:28:06 | 显示全部楼层
    学习,谢谢楼主分享技术,争取以后逐步从小白玩家进化到硬核玩家。
  • TA的每日心情
    无聊
    2020-12-19 21:10
  • 签到天数: 21 天

    [LV.4]偶尔看看III

    发表于 2019-10-9 09:06:01 | 显示全部楼层
    谢谢l大,准备考研结束后就折腾折腾
  • TA的每日心情
    奋斗
    2021-3-15 08:06
  • 签到天数: 585 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:07:57 | 显示全部楼层
    非常感谢你的分享。
  • TA的每日心情
    奋斗
    2023-2-19 20:22
  • 签到天数: 682 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:21:53 | 显示全部楼层
    好东西 谢谢分享
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-9 09:30:46 | 显示全部楼层
    請問 mdxbuilder 目前能處理的文檔大概是多大?
  • TA的每日心情

    2019-9-20 08:37
  • 签到天数: 214 天

    [LV.7]常住居民III

    发表于 2019-10-9 10:06:07 | 显示全部楼层
    还是可以指定输入文件的命令行方式不较好
    6 A1 U1 x5 X  ]8 P比如 python genMDX.py source.txt about.txt
  • TA的每日心情
    擦汗
    2025-3-22 20:43
  • 签到天数: 314 天

    [LV.8]以坛为家I

    发表于 2019-10-9 10:14:53 | 显示全部楼层
    emmm论坛有个excel转mdx的工具很不好用。。。
  • TA的每日心情
    开心
    2023-9-27 20:45
  • 签到天数: 847 天

    [LV.10]以坛为家III

    发表于 2019-10-9 16:54:33 | 显示全部楼层
    感谢分享,看看,学习一下
  • TA的每日心情
    奋斗
    2025-9-10 20:08
  • 签到天数: 250 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:02:33 | 显示全部楼层
    HMPT 发表于 2019-10-9 10:06
    9 |  J/ J  w* k还是可以指定输入文件的命令行方式不较好
    ! T" }& g, }4 o; _! @7 I5 W比如 python genMDX.py source.txt about.txt ...

    $ s# k  {8 s& A- Q这个其实改一下入口文件就能实现,应该不难的。
  • TA的每日心情
    奋斗
    2025-9-10 20:08
  • 签到天数: 250 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:03:25 | 显示全部楼层
    本帖最后由 lgmcw 于 2019-10-10 01:58 编辑
    # t9 n& d. _7 [, _' ]4 ?* R
    oversky 发表于 2019-10-9 09:302 N( }$ A7 V3 e% A& w9 `4 @
    請問 mdxbuilder 目前能處理的文檔大概是多大?
    / _' o) ^. a& o) n  C* k
    你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-10 07:27:37 | 显示全部楼层
    lgmcw 发表于 2019-10-10 01:036 g! D6 f$ P. u3 R
    你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。

      X( P+ {* i$ z5 A( d  M! B谢谢您的指引。

    该用户从未签到

    发表于 2019-10-10 11:24:07 | 显示全部楼层
    很有用的工具
  • TA的每日心情
    开心
    2021-4-24 17:14
  • 签到天数: 119 天

    [LV.6]常住居民II

    发表于 2019-10-10 11:45:08 | 显示全部楼层
    非常感谢分享!
  • TA的每日心情
    奋斗
    2025-9-10 20:08
  • 签到天数: 250 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-12 12:38:31 | 显示全部楼层
    喬治兄 发表于 2019-10-9 07:09  Q; m0 l8 l, m1 d; e
    感謝 lgmcw 兄:' T  |% K% A2 e" o- \8 v" s. h
    分享  
    . r5 F7 c  T, l9 |. Q7 p0 r: L非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來
    4 H9 R) u$ O' j* J" v
    兄弟可测试通过,此工具可还好用?
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-12 12:48:11 | 显示全部楼层
    lgmcw 发表于 2019-10-12 12:388 `: l7 F# ]  F
    兄弟可测试通过,此工具可还好用?
    8 N, e( C* t2 _, H! s" e
    謝謝 lgmcw 兄關心,小弟還未試呀,小弟會盡快試試,若有困難再向仁兄請益,謝謝啦!
  • TA的每日心情
    开心
    2019-3-26 21:36
  • 签到天数: 178 天

    [LV.7]常住居民III

    发表于 2019-10-12 15:33:11 | 显示全部楼层
    本帖最后由 流星冲击 于 2019-10-12 15:37 编辑
    " Z8 y( g9 ]+ p1 F9 \1 C0 k; F8 N; f1 p7 D# n; |
    1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value。
    * N- `3 T' u) g: @, f1 u8 ^2 N' ?: Z/ I
    之前我和zzzz_sleep讨论过“以前一个字典的key只能对应唯一个value”的问题,他给出的方法是让类Mdict套壳的软件/app的作者去解决,例如用@@@link和a href=词头#锚跳相混合实现查询多个value的方式(具体zzzz_sleep给出的代码的用法我也忘记了,不过印象中还是基于一个key对应一个value的用法),现在楼主这个工具直接从代码层修改一个key对应多个value,这个要给个赞!' [- W" T  ]- u- }" F
    1 O; k/ p' k! g" T
    2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。
    / Y( G' ^: h0 u+ O! `' ]; g, t; U
    & H/ ]! u, ]  t9 H我没用Mdict_PC来查询生成的mdx,对于GoldenDict,我看了某些帖子的说法,GD是全部提取mdx的headwords为一个缓存文件而不依赖原生的mdx算法的排序的,相同词头(例如a和A)是以类似多本词典联合查询单词的方式在一个页面内列出所有a和A词头的内容的,如果GD不依赖原生的mdx算法排序,楼主说“GD勉强能查”是单词基本能查询,不过不按照Azure排序(dot,doT,dOt...)这样排列下来?; T0 p' h- D7 G3 ], \2 f
    手机端的app,以Azure排序,单本词典查询的模式下,安卓mdcit和平典app(平典app可能有些带符号的单词查不到什么的,平典以前的国庆版本就查不到楼主你用python生成的新牛津v2.3.0 beta的单词词头)查询是完美支持这种排序的,而不是原生A再到a这样下来。深蓝dict不能单本词典模式查词,所以不能看到多个a和A,a和A的内容会挤在一个界面,由于不能单本查词,ff大的朗文5++ v1.3.5的气球在滑动单词页面时不能固定在右下角(直接在单词页面最右下角,对于长内容,需要滑动到页面最底部)。欧路app未测试。
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2026-7-17 02:46 , Processed in 0.026265 second(s), 29 queries .

    Powered by Discuz! X3.4

    © 2001-2023 Discuz! Team.

    快速回复 返回顶部 返回列表